Hlavní navigace

Ira Winder (MIT): Důležitější než mít perfektní data je klást ty správné otázky

Autor: Miroslav Šach
David Slížek

Datové modely mohou pomoci měnit města k lepšímu, ale ne všechny praktické aplikace se povedou, říká výzkumník americké MIT, který přednášel v Praze.

Doba čtení: 7 minut

Sdílet

Spojuje v sobě datového analytika, vývojáře a městského plánovače. Ira Winder se ve své práci na americkém Massachusetts Institute of Technology (MIT) soustředí na počítačové modelování složitých městských organismů a analýzy toho, jak se dají s pomocí matematických modelů řešit jejich problémy. V Praze přednášel na konferenci Prague City Data Congress, kterou organizovala městská firma Operátor ICT.

Hrál jste někdy SimCity a podobné budovatelské hry? Řada nástrojů a postupů, které jste na konferenci předváděl, mi je totiž připomíná. 

Výzkumníci obvykle o svých herních zážitcích nemluví, ale jasně! První simulace, kterou jsem hrál, byla SimCity 3000. Hrával jsem také Minecraft a byla to spíše tato hra, která ovlivnila můj přístup k modelování měst. Minecraft je totiž sandbox, kde máte úplnou svobodu – a tou se snažím inspirovat i v tak vážné „hře“, jakou je výzkum prostředí a urbanistického plánování.

Vždycky mi přišlo, že se z tzv. budovatelských her člověk může naučit řadu věcí o tom, jak města ve skutečnosti fungují.

Společnost obvykle pokládá videohry za zábavný a odpočinkový prvek, ale hlavní důvod, proč jsou zábavné, je ten, že jde vlastně o procesy, které se na základě předem daných pravidel snaží lidi zaujmout. Některé z těchto procesů samozřejmě obsahují jen střílení nebo podobné neproduktivní věci, ale také můžete snadno postavit zábavný proces, který dává velmi produktivní výsledky pro zcela vážné účely. 

Na MIT jste vyvinul nástroj, který se plným jménem nazývá Tangible Interactive Matrix for Real-time Computation and 3D Projection Mapping, zkráceně Tactile Matrix. O co jde a můžete popsat, jak to funguje? 

Snažili jsme se vyvinout fyzický model, který můžete velmi snadno používat – prostě jen uchopíte jeho části a pohybujete jimi. Zároveň ale tento fyzický a hmotný model v reálném čase měníme v digitální, počítačový model. Můžete tak na něm vytvářet různé simulace a analýzy a stačí vám přitom zabývat se fyzickým modelem, který máte před sebou na stole. Možné dopady změn vám nabídne sám počítač. Naším cílem bylo vytvořit v reálném čase zpětnovazebnou smyčku mezi uživatelem a počítačovým modelem. Uživatel vede model – a naopak. 

Proč je podle vás důležité vytvářet fyzický model? Je to jen otázka uživatelského rozhraní? Jsou data srozumitelnější, když si na ně můžeme sáhnout? 

Myslím, že nejde o data, ale o modely. Model představuje určitou znalost. Propojuje abstraktní myšlenky nebo objekty s něčím, co reálně existuje. I když uchopím kostku lega a řeknu vám, že to je budova, a vy si představíte, že to je budova, ve skutečnosti to stále budova není. Samozřejmě jde také o uživatelské rozhraní a o to, že uživatelé mohou s modelem pracovat napřímo a cítit, že nad ním mají úplnou kontrolu.

Modelu neporozumíte jen tak, že se na něj díváte, ale hlavně tak, že v něm provedete změnu a můžete pak pozorovat její dopady a to, jak prostupují celým systémem. A samozřejmě pomáhá také prvek hry a zábavy. Když lidé uvidí stůl s kostkami lega, přirozeně je to odzbrojí. Je velký rozdíl mezi tím, když si nainstalujete složitý software a musíte prostudovat oficiální návod, jak jej používat, a tím, když někoho pustíte ke stolu s legem – to spíš lidem musíte říkat, aby si s kostkami nehráli.  

Které projekty váš software využily? 

Asi nejlepším příkladem je výzkumný projekt CityScope, který vznikl na MIT. Tactile Matrix je dodnes jeho základní součástí. Mimo MIT tento nástroj používá řada dalších univerzit a neziskových organizací. Jednou z mých nejoblíbenějších aplikací je ta na německé Hafencity University. Měl jsem tam asi týdenní workshop, během kterého jsme společně jedno z našich zařízení postavili. Dal jsem pak studentům k dispozici celý zdrojový kód a všechny komponenty a řekl jsem jim, dělejte si s ním, co chcete – můžete jej rozebrat, celý předělat, změnit.

A oni jej nakonec upravili tak, aby jej mohli používat na workshopech, kde se snažili zapojit veřejnost do plánů na umístění uprchlíků v jejich městě. Shodou náhod totiž po našem workshopu přišel na univerzitu starosta Hamburgu, protože se doslechl, že postavili nástroj z MIT, který by mohl v téhle situaci pomoci. Škola pak na mém systému postavila celou iniciativu, která se jmenuje Finding Places.

Na vašem webu jsem se dočetl i o využití Tactile Matrix při řešení logistické poslední míle pro retailový gigant Walmart. Takže se používá i v soukromém sektoru? 

Tactile Matrix je vlastně jen softwarové rozhraní. Máme také proces k vytváření modelů. A do určité míry je mi jedno, jaký typ problémů náš systém pomáhá řešit. Takže když přijde soukromá firma s tím, že by jí mohl pomoci zlepšit její služby, rád pomůžu. A když se nakonec ukáže, že nějaký problém dokážeme vyřešit pomocí matematiky a počítačů, jako se to ukázalo u Walmartu nebo u dalších projektů, je to pro nás další zajímavá case study. 

Postavil jste nástroj, ale ten nemůže fungovat bez potřebných dat. Jak složité je se k potřebným údajům dostat? 

Hlavním důvodem, proč dokážeme s modely tak efektivně pracovat, je to, že dnes máme volně dostupné obrovské množství dat. Kdyby všichni data uzavírali do proprietárních systémů a vyžadovali za ně peníze, nebylo by to možné. Nicméně, nejdůležitější data, která potřebuji, jsou vstupy od lidí, jejich rozhodnutí. Není až tak důležité, kudy přesně vedou všechny silnice nebo kde stojí všechny budovy ve městě. Nejcennější je model, který se mění na základě toho, jak se lidé chovají. 

V Praze máme v poslední době k dispozici velké množství veřejně přístupných dat – například ze stovek různých senzorů v ulicích, z veřejné dopravy a tak dále. Stačí to k použitelným simulacím dění ve městě a k řešení jeho problémů? 

Jako vědci chceme hlavně odpovídat na otázky, které se týkají našeho světa a toho, jak jej můžeme zlepšit. A jako vědci obvykle nemáme k dispozici všechna data, která bychom k tomu potřebovali. Takže nakonec používáme ta data, která k dispozici máme, a kreativním způsobem vytváříme modely, díky kterým se můžeme mnohé naučit i z malého množství údajů. Na jejich základě pak můžeme dojít i k zásadním objevům.


Autor: Miroslav Šach

Mým oblíbeným příkladem je asteriod Oumuamua, který před časem prolétal sluneční soustavou. Vědci jej na začátku viděli jen jako světlou tečku, která měnila barvu. A z tohoto jednoho pixelu dokázali usoudit, že má protáhlý tvar, že nejspíš přilétá z prostoru mimo sluneční soustavu a mnohé další informace. 

Takže když se ptáte, jestli máte ve svém městě dostatek senzorů a dat z dopravy, odpověď může znít: možná ano, možná ne. Ale když se příliš soustředíte na to, jestli máte perfektní data, můžete snadno zapomenout klást ty správné otázky. 

Takže nejdřív potřebujete znát správné otázky a pak teprve hledat, zda máte data, abyste na ně našel odpovědi? 

Ano, vždycky to tak je.

Ptám se proto, že mám pocit, že kolem vládne trochu „datová mánie“, všichni sbírají data, instalují senzory… 

Senzory jsou skvělé, jsem rád, že jejich cena klesá a že jich kolem sebe máme stále více, ale – jak jsem říkal – jsou užitečné jen v tom případě, že umíme klást správné otázky. 

Jak konkrétně mohou datové modely v praxi městům pomáhat s jejich problémy? Máte nějaké příklady? 

Dávno víme, že modely mohou pomoci měnit města, ale ne všechny praktické aplikace jsou dobrými příklady. Víme třeba, že modely a technologie dokáží ovlivnit chování lidí. Dobrým příkladem je služba Waze, která pomocí algoritmů umožňuje řidičům nacházet optimální trasy, kde není velký provoz. Když ale Waze poprvé tyto algoritmy v USA použila v praxi, přesměrovala v New Jersey provoz do klidných rezidenčních čtvrtí. Jejich obyvatelé proti tomu protestovali a nakonec přijali místní zákony, které projíždějícím řidičům zakázaly vjezd.

Je to extrémní příklad toho, kdy využití modelů, algoritmů a dat vyústilo v dobré řešení pro řidiče, ale nepřijatelné řešení pro obyvatele města. Řada praktických použití modelů ve městech bohužel přinesla podobně smíšené výsledky.

EBF-tip-řečníci-havryluk,kijonková

Dalším příkladem využití dat a modelů jsou systémy pro sdílenou jízdu, sdílená kola nebo koloběžky. Tyto služby mohou existovat jen díky tomu, že dokážeme vytvářet velké modely jejich proveditelnosti a potvrdit si, že mohou být cenově dostupné a že mohou ve městech fungovat. Celá ta současná revoluce mikromobility mě velmi fascinuje. 

Mohlo by pomoci, kdybychom se místo na modely, které mění města, soustředili na to, aby lidé měli pocit, že mají tyto modely pod kontrolou. Byl bych rád, kdyby se pořádalo více participativních setkání, kde by obyčejní lidé používali modely k vytváření vizí pro své město a datové výstupy z těchto setkání by pak mohli využívat profesionální plánovači, architekti a designéři.